随着“互联网+医药”口号的提出,电商平台上的药品无论是种类和数量都呈现了快速的增长。2020年新型冠状病毒的疫情爆发,让人们看到了医药电子商务发挥的价值,医药电子商务已经成为未来的趋势,在我国有很大的发展空间。然而,面对网上海量的药品信息,消费者往往不知道如何抉择,想要快速找到适合自己药品是一件困难的事。另一方面,医药电子商务网站每天都产生海量的销售记录,这些数据得到合理的利用。为了解决这些问题,迫切的需要引入个性化推荐系统,利用消费者的以往消费数据,解决药品数量过载的问题。传统的推荐算法没有考虑时空因素对推荐系统的影响,现有的基于时空的推荐算法没有充分考虑药品的特性,往往导致推荐的结果不理想。本文将充分考虑时间和空间对药品的影响,将用户兴趣的变化和药品季节性、区域性的特点相结合,融入到传统的协同过滤推荐算法中,提出基于时空的协同过滤推荐算法,既满足用户的偏好,也能帮助用户进行决策,从而提高药品的推荐质量。主要的研究内容如下:(1)从时间维度考虑对推荐系统的影响,提出基于时间的协同过滤推荐算法。首先,针对用户兴趣会随时间推移而变化特点,引入时间衰减函数;针对药品季节性的变化引入季节加权函数;最后将时间因素融入到协同过滤推荐算法中,以提高推荐的质量。(2)从时空维度考虑对推荐系统的影响,提出基于时空的协同过滤推荐算法。在基于时间的协同过滤推荐算法基础之上,将用户的空间信息融入到推荐算法中,使得在推荐的过程中考虑到时间、地点变化对用户偏好的影响。该算法在基于时间的协同过滤推荐算法基础之上,针对用户的空间信息,采用金字塔模型,将所有用户划分到金字塔每层的节点中,然后在每一层使用基于时间的协同过滤推荐算法得到局部的推荐,最后将局部的推荐结果按照权重进行线性求和得到最终的推荐结果,以提高预测准确度。(3)将本文提出的基于时空的协同过滤推荐算法应用到医药电子商务网站中,设计并实现一个药品个性化推荐原型系统,实现药品个性化推荐的功能。该系统解决新用户冷启动的问题,提高用户对系统平台的满意度,留住系统的老客户,促进商家药品的销售量,对推动医药电子商务的发展具有重要的意义。